在LIBRA-seqq的抗原特异性预测中识别噪音的负二项式混合模型
Perry T Wasdin1,2,3, Alexandra A Abu-Shmais3,4, Michael W Irvin5
1Program in Chemical and Physical Biology, Vanderbilt University Medical Center; Nashville, TN, USA.
bioRxiv : the preprint server for biology
|October 31, 2023
概括
我们开发了一种新方法,可以从LIBRA-seq数据中去除噪音,从而改善抗体发现. 这种技术增强了抗原特异性B细胞识别和机器学习对抗体-抗原结合的预测.
科学领域:
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- LIBRA-seq (通过测序将B细胞受体与抗原特异性联系起来) 对于识别抗原特异性B细胞和抗体至关重要.
- 在LIBRA-seq抗原计数数据中准确识别噪音对于改善抗体发现和机器学习应用至关重要.
结论:
- 这种排斥方法提高了LIBRA-seq用于识别抗原特异性B细胞的实用性.
- 为基于机器学习的抗体-抗原结合预测提供更可靠的数据集.
- 推进抗体发现和免疫学研究.
